用Redis咋存用户历史数据，顺便还能分析点啥和怎么用

关于用Redis存储用户历史数据，并且能分析点什么、怎么用，我们可以从一个开源的论坛软件Discourse的实际做法说起，根据其官方文档和社区讨论，Discourse把用户几乎所有的动态都记录了下来，比如看了哪些帖子、看了多久、什么时候看的、点了赞还是踩等等，它这么做不是为了简单地显示一个“最近浏览”列表，而是有更深层次的目的：为了给用户提供个性化体验和进行系统性的数据分析。

Redis是怎么存这些东西的呢？Redis很快，但它不是像MySQL那样的关系型数据库，不能存特别复杂的关系，Discourse采用了一种“化整为零”的思路，它主要使用了Redis的一种数据结构叫有序集合，你可以把有序集合想象成一个排行榜，每个成员都有一个分数,可以根据分数高低来排序。

具体到存用户历史数据，比如用户浏览帖子的历史，Discourse是这么干的：它为用户A创建一个唯一的键，比如user:A:history，这个键对应的就是一个有序集合，每当用户A浏览一个新帖子（比如帖子ID是123），系统就会执行一个操作：把成员“123”加入到有序集合user:A:history里，并且把当前的时间戳（比如1627890123）作为这个成员的分数，时间戳是一个很大的数字，代表了某个时刻，所以用时间戳作为分数，自然就按照时间先后顺序排序了，最近看的帖子分数最大,排在最前面。

因为Redis有序集合的大小是有限的，Discourse会设置一个上限，比如只保留最新的200条记录，当加入第201条时，就会把分数最小的那条（也就是最老的那条）自动踢出去，这样就实现了了一个固定长度的、按时间倒序排列的浏览历史。

存下来之后，能分析点啥呢？Discourse给出了很好的例子：

1. 个性化推荐：这是最直接的应用，当用户打开首页或者相关板块时，系统可以快速地从Redis中取出这个用户最近浏览过的帖子ID集合，系统可以利用这个信息去做两件事：一是过滤掉用户已经看过的内容，避免重复推荐；二是寻找相似内容，比如找出与用户常看帖子标签相同、但用户还没看过的新帖子进行推荐，因为Redis的读取速度极快,这种实时推荐体验会非常流畅。

2. 分析用户兴趣偏好：虽然单条浏览记录意义不大，但海量数据的集合就能看出趋势，通过分析一个用户历史记录中不同版块帖子ID的出现频率，或者帖子标签的分布，可以大致勾勒出这个用户的兴趣图谱，发现用户A的历史记录里80%都是“编程”相关的帖子，那么就可以把他标记为“技术爱好者”，这可以用来做更精细的用户分群,比如给技术爱好者推送内测的新开发工具。

3. 计算热门内容和趋势：这个分析需要聚合所有用户的数据，系统可以定期（比如每隔一小时）跑一个任务，扫描所有用户的历史记录有序集合（键的模式类似user:*:history），统计在最近一段时间内（比如过去24小时），哪些帖子ID在不同的用户集合中出现的次数最多，这样就能实时地计算出一个“24小时热门内容”榜单,这比传统数据库通过计数查询要高效得多。

   

4. 评估用户活跃度和留存：通过检查用户历史记录的更新频率，可以很容易地判断用户的活跃情况，如果一个用户的浏览历史在过去一周都没有任何更新，那他很可能已经流失了，反之，如果一个用户每天都有稳定的浏览记录，那就是一个活跃用户，这种数据对于社区运营者了解用户粘性、评估活动效果至关重要。

具体怎么用这些数据呢？除了上面提到的实时推荐,还可以：

• 在用户界面直接显示：比如在网站侧边栏显示“您最近浏览过的主题”。
• 触发特定操作：比如检测到用户反复查看某个疑难问题的帖子多次，系统可以自动发送一条消息,询问是否需要联系客服或将该帖子加入收藏夹。
• 数据导出与深度分析：可以将Redis中的历史数据定期导出到更擅长复杂分析的数据仓库（如Hadoop或Spark）中，进行更长期的、跨度的用户行为分析，比如用户生命周期价值预测、用户路径分析等。

用Redis存用户历史数据的核心优势是速度快和数据结构适合，通过使用有序集合，可以轻松实现按时间排序和容量控制，而分析的价值则体现在实时个性化、用户画像、内容运营和活跃度监控等多个方面，让数据不仅被记录下来，更能直接驱动产品变得更好用、更智能，这种思路不仅限于论坛，对于电商（浏览商品历史）、新闻资讯App（阅读文章历史）等场景都非常适用。

（主要参考思路来源于Discourse开源项目的相关文档和开发者讨论）